共查询到20条相似文献,搜索用时 19 毫秒
1.
为实现科学、安全供水,建立精度高、可靠性强的城市日用水量预测模型,分别运用单指数平滑法、灰色预测方法、BP神经网络三种方法,对A市进行城市日用水量预测,并具体分析了各种方法的优缺点及适用范围.通过优化对比分析,当基础数据较完善时,BP神经网络预测模型精度较高,能较好地满足预测要求. 相似文献
2.
为解决城市用水量预测中单一方法预测精度不高的问题,建立了灰色径向基(RBF)神经网络组合模型。对比实验结果表明,灰色GM(1,1)模型、RBF神经网络模型和灰色RBF神经网络组合模型的平均相对误差分别为2.1222%,1.2562%和0.6821%。与灰色GM(1,1)模型和RBF神经网络相比,灰色RBF神经网络组合模型充分发挥了灰色系统的贫乏数据建模和RBF神经网络的高度非线性映射能力的双重优势,具有较高的预测精度,更适合用于城市用水量预测。 相似文献
3.
4.
人工神经元网络模型在城市用水量预测中的应用研究 总被引:1,自引:0,他引:1
本文针对常规城市用水量预测模型在预测中存在的盲目性大、拟合精度不高且预测容易失真的不足,引入BP神经元网络的计算方法,建立了非线性人工神经元网络预测模型:利用人工神经元网络学习理论对非线性离散参数的辨识理论对城市用水量需求预测方法进行了较为深入、系统的研究。该模型考虑了城市中众多因素对用水量需求的影响,使所建立的预测模型初步具备系统决策功能。实例预测表明,本文所建立的BP神经网络预测模型系统及其相应计算方法具有较高的预测精度和准确度,能够为城市的用水量预测提供规划依据。 相似文献
5.
为提高城市用水量的预测精度,分析了GM(1,1)模型和灰色Verhulst模型,同时由于GM(1,1)模型存在一定的缺陷,本文对基本GM(1,1)模型进行了新陈代谢改进,最后通过对实例的预测分析,改进灰色预测模型预测精度更高。 相似文献
6.
7.
组合模型在城市用水量预测中的应用 总被引:1,自引:0,他引:1
将灰色模型和一元线性回归模型应用于城市用水量的预测,并用方差-协方差优选组合模型将灰色模型和一元线性回归模型进行组合.实例分析表明,组合模型的预测精度优于单个模型,可用于城市用水量的预测. 相似文献
8.
9.
10.
11.
城市燃气季节性负荷预测模型的建立及求解 总被引:5,自引:3,他引:5
根据城市燃气管网季节性负荷变化的特点。采用最优组合理论,将灰色GM(1,1)预测模型和人工神经网络模型的优点结合起来。建立了一个基于灰色神经网络的城市燃气管网季节性负荷预测模型,并提出了相应的求解方法,此模型能同时反映燃气负荷随时间的增长趋势和随不确定因素的波动特性。通过实例的计算结果表明:所建模型具有较高的收敛速度和预测精度,较强的适应性和灵活性,为城市燃气季节性用气负荷的预测提供理论分析依据。 相似文献
12.
13.
城市时用水量的各种预测模型特点各异,预测精度也各不相同。介绍了5种城市时用水量预测模型的构建原理及各自的优缺点,并以杭州市用水量为例,对5种预测模型的预测结果进行了误差比较分析。 相似文献
14.
15.
基于RBF网络的城市供水短期负荷预测 总被引:1,自引:0,他引:1
根据城市用水量序列的非线性时序特点,利用径向基函数神经网络(RBF网络)建立城市用水量短期预测模型,并采用某市日用水量和小时用水量的实际数据分别进行了建模和预测,结果显示该方法具有建模简便实用、预测精度良好的优点,可满足实际需要。 相似文献
16.
影响深基坑变形因素繁多,位移预测问题呈高度非线性和模糊性,为探究目前基于有监督机器学习软计算(Soft Computing Method,SCM)法深基坑位移预测模型的精度性能,对基于支持向量机(Support Vector Model,SVM)位移预测模型、基于随机森林(Random Forest,RF)预测模型、基于反向传播(Back Propagation,BP)神经网络预测模型、基于径向基(Radial Basis Function,RBF)神经网络预测模型、基于Elman神经网络预测模型和长短期记忆(Long Short-Term Memory,LSTM)神经网络预测模型进行了实际深基坑工程一至三天位移预测试验。试验验证了基于有监督机器学习软计算法模型预测深基坑位移的可行性,展现了人工神经网络(Artificial Neural Network,ANN)算法的优越性,并得出了Elman预测模型适用于预测一天和两天深基坑位移预测,而BP预测模型适用于预测三天沉降任务的结论。 相似文献
17.
城市供水量是非线性、非平稳时间序列,组合预测模型能获得更高精度预测结果。通过深入分析混沌局域法与神经网络预测模型特点,提出了一种新的组合预测模型。首先,应用混沌局域法对城市日供水量进行初预测,然后,应用神经网络对预测结果进行修正。由于所提出的组合模型利用了混沌局域法及神经网络进行优势互补,能同时提高预测精度与计算效率。为验证所提出组合预测模型的可行性,采用某市7a实测供水量数据,对混沌局域法、BPNN、RBF及GRNN神经网络4种单一预测模型及相应的3种组合模型预测精度进行定量分析,结果表明,组合预测模型精度都高于对应单一预测模型,混沌局域法与GRNN神经网络组合模型预测精度最高,且运算时间远低于单一神经网络模型运算时间。 相似文献
18.
灰色马尔可夫模型是将灰色系统理论和马尔可夫链理论相结合建立的预测模型,它不仅充分发挥了灰色预测模型和马尔可夫预测模型的优点,而且有效地解决了灰色预测模型对于随机波动性较大的数列预测精度低的问题.实例计算证明:火灾事故灰色马尔可夫预测模型预测精度高于GM(1,1)模型预测精度,模型可以用于火灾事故预测. 相似文献
19.
利用径向基函数神经网络,建立了区域用水量预测模型,改进了RBF网络学习方法;根据某地区近年来影响用水量主要影响因素的数据对该网络进行训练,并用训练好的网络模型对该区域以往和今后不同年份的用水量进行预测;对以往用水量预测结果表明该模型有较高预测精度、通用性和客观性. 相似文献
20.
利用Gompertz曲线模型、灰色理论模型和BP神经网络模型等单一预测模型对基坑周围建筑物沉降进行预测,之后将结果与三者优化组合模型的预测结果进行比较分析,结果表明:单一模型预测结果的精度比三者优化组合模型的精度较低,而其中通过最优加权法组合的模型预测精度最高。 相似文献